龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种面向遮挡场景的行人再识别方法，通过向全局特征分支引入全局对比池化模块，将平均池化和最大池化的特性进行融合，提取对背景噪声和遮挡抗干扰性更强的全局特征；向局部特征分支引入One‑vs‑rest关系模块，将每部分局部特征和剩余的局部特征进行关联，提取包含全局信息的局部特征；度量学习阶段，联合交叉熵损失、难样本采样三元组损失和中心损失三种损失函数对模型的训练过程进行监督，使网络模型能够提取更具判别力的行人特征。最后，在Occluded‑DukeMTMC数据集上进行评估，结果充分体现了本发明在解决行人再识别遮挡问题上的有效性和先进性。
主权项：1.一种面向遮挡场景的行人再识别方法，该方法是对基线方法PGFA进行改进，其特征在于：该方法包括以下步骤：步骤S1：借助预训练的姿态估计器生成人体关键点，结合全局特征使模型更加关注未被遮挡的行人区域，减少遮挡区域带来的噪声干扰；即输入图像通过预训练的姿态估计器生成人体关键点；将关键点映射到原始图片上生成热度图，经过双线性插值方法进行下采样之后，与全局特征结合形成姿态引导特征；步骤S2：引入全局对比池化模块，降低背景杂波和遮挡带来的噪声干扰，更好地表达整个行人身体区域信息，局部分块特征通过全局对比池化模块得到全局对比特征；步骤S3：通过One-vs-rest关系模块对局部分块特征进行更深层次的特征提取，使得每个局部层次的特征都包含相应部分本身和其他身体部分的信息，更好地反映各身体部分间的关系；步骤S31：对第i部分局部特征Pi之外的其他局部特征Pj进行全局平均池化得到Ri；步骤S32：Pi和Ri两部分特征分别经过一个由1×1卷积层、BN归一化层和ReLU激活函数层构成的子网络进行降维，得到特征和二者拼接后再次输送到一个子网络中从2c维降为c维，最后与整合得到具有全局联系的局部特征Qi；步骤S4：采用交叉熵损失函数、难样本采样三元组损失函数和中心损失函数联合训练的方式对模型进行监督，使模型确保预测标签准确性的同时考虑类间离散性和类内紧凑性。
全文数据：
权利要求：
百度查询： 中国人民公安大学 一种面向遮挡场景的行人再识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号